Raspberry Pi (Legacy)

अपने Roboflow Train मॉडल्स को Raspberry Pi पर deploy करें।

इस पृष्ठ पर पहले जो जानकारी थी वह अब उपलब्ध नहीं है। आप Roboflow Deployment प्रलेखन यहाँ पा सकते हैं:

• Deployment अवलोकन

• Roboflow Inference प्रलेखन यहाँ: https://inference.roboflow.com

वीडियो देखकर सीखना पसंद करते हैं? हमारी देखें Raspberry Pi वीडियो गाइड.

हमारा Raspberry Pi डिप्लॉयमेंट विकल्प उन स्थितियों में सीधे आपके डिवाइस पर चलता है जहाँ आपको अपने मॉडल को भरोसेमंद इंटरनेट कनेक्शन के बिना चलाने की आवश्यकता होती है।

टास्क सपोर्ट

होस्टेड API निम्नलिखित टास्क प्रकारों का समर्थन करता है:

टास्क प्रकार	Hosted API द्वारा समर्थित
Object Detection	✅
क्लासिफिकेशन	✅
इंस्‍टेंस सेगमेंटेशन	✅
सैमान्टिक सेगमेंटेशन	✅

Raspberry Pi पर एक मॉडल डिप्लॉय करें

आपको Raspberry Pi 4 (या Raspberry Pi 400) की आवश्यकता होगी जो Ubuntu का 64bit संस्करण चला रहा हो। यह सत्यापित करने के लिए कि आप संगत सिस्टम चला रहे हैं, टाइप करें arch अपने Raspberry Pi की कमांड लाइन में और सत्यापित करें कि यह आउटपुट करता है aarch64.

फिर, Raspberry Pi पर टर्मिनल खोलें और Docker इंस्टॉल करें convenience स्क्रिप्ट का उपयोग करके:

 curl -fsSL https://get.docker.com -o get-docker.sh
 sudo sh get-docker.sh

स्टेप 1: Inference Server इंस्टॉल करें

Inference API एक Docker कंटेनर के रूप में उपलब्ध है जो Raspberry Pi के लिए अनुकूलित और कॉन्फ़िगर किया गया है। आप निम्नलिखित कमांड का उपयोग करके inference server इंस्टॉल और चला सकते हैं:

sudo docker run -it --rm -p 9001:9001 roboflow/roboflow-inference-server-arm-cpu

अब आप अपने Pi का उपयोग एक drop-in विकल्प के रूप में कर सकते हैं Hosted Inference API (उन दस्तावेजों में कई प्रोग्रामिंग भाषाओं में उदाहरण कोड स्निपेट देखें)।

स्टेप 2: Roboflow pip पैकेज इंस्टॉल करें

अगला, इंस्टॉल करें Roboflow python पैकेज के साथ pip install roboflow.

स्टेप 3: Inference चलाएँ

अपने मॉडल पर inference चलाने के लिए, निम्न कोड चलाएँ, अपने API key, workspace और project IDs, project version, और image name को उपयुक्त रूप से बदलते हुए। आप जान सकते हैं कि अपने API key को कैसे खोजें और कैसे खोजें workspace और project ID.

from roboflow import Roboflow

rf = Roboflow(api_key="YOUR_PRIVATE_API_KEY")
project = rf.workspace("YOUR_WORKSPACE").project("YOUR_PROJECT")
model = project.version(VERSION_NUMBER, local="http://localhost:9001/").model

prediction = model.predict("YOUR_IMAGE.jpg", confidence=40, overlap=30)
## hosted चित्रों पर_predictions प्राप्त करें
#prediction = model.predict("YOUR_IMAGE.jpg", hosted=True)
print(prediction.json())

यह हमारे मॉडल पर inference का एक उदाहरण परिणाम है:

Inference परिणाम: एक छवि (Visual Studio Code टर्मिनल)

आप क्लाइंट-सर्वर संदर्भ के रूप में भी चला सकते हैं और नेटवर्क पर किसी दूसरे मशीन से inference के लिए चित्र Pi पर भेज सकते हैं। बदलें localhost में local= पैरामीटर को Pi के स्थानीय IP पते के साथ।

प्रदर्शन अपेक्षाएँ

हमने Raspberry Pi 400 पर लगभग 1.3 फ्रेम प्रति सेकंड देखा। ये परिणाम क्लाइंट-सर्वर संदर्भ में ऑपरेट करने के दौरान प्राप्त हुए थे (इसलिए कुछ मामूली नेटवर्क विलंब शामिल है) और एक 416x416 मॉडल पर आधारित थे।

पर भी पोस्ट कर सकते हैं

• Raspberry Pi वीडियो ट्यूटोरियल